مخاطب این کتاب دانشجویان پایتون و علاقه مندان علم داده می باشند که اولا به زبان پایتون آشنا بوده و همچنین با کتابخانه های مورد نیاز آنالیز داده و یادگیری ماشین در پایتون مانند Pandas ، Numpy ، Matplotlib ، Sklearn آشنایی حداقلی را داشته باشند و در این مرحله می خواهند آن فضاهای خالی علمی میان این ابزارها تا نقطه انجام یک پروژه واقعی را پر کنند همان بخشهایی که در هیچ کلاس استاندارد علم داده ای به آنها پرداخته نخواهد شد و آنرا پوشش نخواهد داد این کتاب تمام مفاهیم مهم و کاربردی علم آمار برای علم داده را همراه با نحوه پیاده سازی آنها در زبان پایتون را به شما عرضه میدارد و شما را قادر می سازد درکی درست از مفاهیم و اصطلاحات علم آمار برای علم داده بدست آورید همچنین نگاهی کاربردی به انواع الگوریتمهای یادگیری ماشین دارد و آنها را از بُعد حل مسئله مورد بررسی و طبقه بندی قرار میدهد.

در این کتاب برعکس اکثر کتابهای این حوزه که چند سکویی می باشد و هر قسمت از یک مسئله را با یک نرم افزار یا زبانی خاص بیان میکنند ، تک سکویی بوده  و فقط از پایتون برای پیاده سازی تمامی این مفاهیم استفاده می نماید که البته  من به شخصه این را بزرگترین نقطه قوت این کتاب میدانم . در نهایت این کتاب را باید به عنوان یک مرجع نگاه کرد نه صرفا یک کتاب آموزشی و اکیدا توصیه میشود اگر به این علوم علاقه مندید آنرا کنار دست خود داشته باشید .